电商数据分析——以京东APP为例

part 1 如何去看待京东APP

一、京东APP用户视角

搜索：流量最大的一个入口，广告banner：各种活动宣传，导航：十宫格，相对比较稳定，10大主要产品。feeds流：电商+内容，个性化推荐：千人千面，底部button：5大主要模块，方便查看

二、京东APP分析师视角

作为一名数据分析师，应该要能更深入，并且有层次的去看这个app的数据

有三个问题需要思考：

1.引流（场）：首页作为最大的带量位，分发效率怎么评估

2.漏斗（货）：北极星指标交易额只是一个数字，更加重要的是理解这个数字的转化过程

3.用户（人）：作为一款非常热门成熟的APP，老用户相对比较稳定，但新用户获取应该怎么优化

其中引流是对整个APP整体的分析，漏斗是对核心路径的分析，用户是对产品的当前痛点进行分析

---

part 2 整体数据：分发效率

分发效率评估：

除了要关注日活，留存，渗透率这些常规指标，更加重要的是找到一些能够反映产品问题的指标，

CTR：点击UV/曝光UV，反映用户点击欲望的指标，非常重要，只有点击才能产生交易，如果较小，首页问题较大

人均访问（点击）页面数：总访问页面数（PV）/总访问UV,只有多访问页面，才可能产生交易

而围绕这两个指标，按照维度拆解分析的方法，可以发现更多问题

比如CTR突然低了，那么所有坑位的CTR均低还是个别引起。

分布效率举例：人均访问页面数

1.首页对搜索的分发能力最强

2.618主要影响的是搜索这个坑位，因此在活动期间，要把资源和人力都往这块投入

同样：在发布版本时，也需要观察人均访问页面数这个重要指标

分发效率总结：

基于日活、留存、渗透、分发效率，基本上就能够对APP的整体数据有个大概了解

作为一个优秀得数据分析师，除了要把自己负责的产品做好外，更加重要的是不要设定边界，主动去了解整体数据，在这个过程中，你需要找到负责的产品跟大盘的数据关系

1）该产品确实很好的带来了大盘的提升

2）该产品只是在抢大盘的流量（产品子产品流量都在涨，但是大盘的流量在跌）

3）该产品部分抢大盘流量，部分提升，那么提升度到底多少

找到：业务功能与产品核心指标的关联性，量化，量化，量化

---

part 3 不得不说的漏斗模型

背景：了解完整体数据后，肯定要看具体细分数据，虽然整个APP的坑位很多，但一切都是围绕交易额这个目标，而电商交易额的本质是转化率，所以任何一个坑位都绕不开漏斗模型。

在所有的坑位中，搜索是一个最大的流量入口，因此以搜索为例

作为一个分析师，一定要多体验产品，找到新认知，这也是微观能力

了解每层漏斗的影响因素

1.请教老同事，2.买电商书籍回来查看，3.多机型体验产品

搜索主界面全部UV：引流渠道：桌面图标打开进入搜索还是其他

店面页UV：搜索框搜索、热点搜索、语音搜索

详情页查看UV:客服、评论、店铺设计、商品属性、

加入购物车UV：尺寸、颜色、数量、

订单提交UV:物流、是否只是7天无理由退货、发票、运费

收银台UV：支付方式多样性

交易成功UV:密码错误、冲动消费、界面异常、其他打断

举例：

问题：最后一步转化率太低，经过排查用户没有到输入密码那一步，所以支付侧的问题不会很大。所以要去研究这部分用户在收银界面还做了什么（在支付输入密码前发生了什么）

从这个界面我们可以看出，京东这个APP的支付方式比较齐全了

发现很多用户去点击右上角的订单中心，并且回到订单中心时，通过热力图模型很多用户还在点击地址这个位置

猜测：很多用户因为地址错误又无法修改直接放弃支付

这个分析逻辑虽然简单，实际上非常考验分析师

手机淘宝的左下角有一个修改地址。

漏斗模型总结：

应该说电商的大部分数据分析都会跟漏斗有关，除了经验外，更加重要的是对产品本身的多体验，以及对竞品的学习，保持好奇心和敬畏之心。也只有这样，才能慢慢的关注到其他人关注不到的点，而这些是培养良好微观的重要一步。

---

part 4 新用户的分析

背景：作为一款非常成熟，在一线城市有很多忠实用户的app，当前在用户体量上与手淘相差仍然比较大，因此我们会看到京东与各方APP战略性合作，共同拉新。

拉新必然就要衡量拉新效果和拉新优化，拉新效果内部数据不太清楚，但是作为一名分析师，可以去看整个APP在拉新上可以优化的点，实际上拉新效果如果做得好，比老用户分析更容易出成绩。

新用户产品体验

先看优惠券的漏斗数据：

新人大礼曝光UV→注册领取点击UV→立即领取新人大礼包UV→注册UV

新老用户优惠券策略思考：

逻辑性：作为一名新用户，对于任何APP都是陌生的，第一感觉就是先浏览，给用户发优惠券固然能提升用户的首日消费概率，用户的第一想法是先逛逛，结果你引导去注册，这在用户视角上有点不通，点击率必然不会很高。

优惠券分发：首页曝光的是6元京东支付券和35元全品类券，而在188元的大礼包里面实际上有8元运费券，40元电子文娱券，20元超市券，对于一名新用户，京东支付就很陌生，35元全品类券需要消费500元以上才可以使用，要求有点高。是否可以做两点优化：

1）在首页优惠券曝光上，把6元京东支付券替换为每个用户都知道并且在意的8元运费券

2）京东本身主流用户群体是电子，所以用40元电子文娱券去替换35元的全品类券，一方面是优惠更大，另一方面会让用于有一定的惊喜感，当然更好的是在优惠券推荐的时候加入个性化

文案：

第二幅图除了优惠券占用了中间坑位外，上下位置均没有有效内容。可以增加更多坑位曝光

植入识别度高的文字：可以换立减（可用是描述性词汇，立减是动作性词汇）

新用户分析建议

新用户与老用户相比，由于对APP不熟悉，因此在漏斗环节，可能会有几个特征

1）用户行为较为离散化，数据上可能有几个主要漏斗

2）在某个环节的转化率比老用户低

3）新用户当天以逛为主，不下单，过一定时间段后下单

数据分析师能做的就是：把自己当做一个新用户去体验各种路径，并对异常漏斗进行维度拆解（比如，是不是某个渠道的新用户转化率低引起整体低）

---

总结：

1）对于一款电商APP，分发效率是非常重要的一个产品指标

2）漏斗模型套路很重要

3）新用户的分析会更加具有挑战性和趣感

整个电商分析体系非常庞大，这次只能挂一漏万，最重要的是能学到一点东西，

思考：

同学们日常使用的电商APP有哪些优化空间和思考点